https://github.com/sebastianurdaneguibisalaya/package-linear-regression-model

Proyecto de prueba para explicar cuáles son los pasos que se deben seguir para la creación de una librería en Python usando como herramienta PYPI para almacenar los metadatos y distribuirlos.
https://github.com/sebastianurdaneguibisalaya/package-linear-regression-model

matplotlib pandas pypi-package python

Last synced: 15 days ago
JSON representation

Proyecto de prueba para explicar cuáles son los pasos que se deben seguir para la creación de una librería en Python usando como herramienta PYPI para almacenar los metadatos y distribuirlos.

• Host: GitHub
• URL: https://github.com/sebastianurdaneguibisalaya/package-linear-regression-model
• Owner: SebastianUrdaneguiBisalaya
• Created: 2024-05-04T20:20:09.000Z (9 months ago)
• Default Branch: master
• Last Pushed: 2024-05-04T23:11:21.000Z (9 months ago)
• Last Synced: 2024-05-05T21:26:31.180Z (9 months ago)
• Topics: matplotlib, pandas, pypi-package, python
• Language: Python
• Homepage:
• Size: 6.84 KB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
## **Modelo de Regresión Lineal Simple**









    



### **Descripción**

Proyecto de prueba para explicar cuáles son los pasos que se deben seguir para la creación de una librería en Python usando como herramienta PYPI para almacenar los metadatos y distribuirlos.

### **Pasos a seguir**

Link para leer el artículo en Medium: ¿Cómo crear una librería en Python?

### **Instalación**

Puedes instalar la librería 'linear_regression_model' usando pip.

```Power Shell

pip install linear_regression_model

```

### **Uso**

A continuación, se muestra un ejemplo de cómo utilizar la librería:

```python

from linear_regression_model import linear_regression

from linear_regression_model import linear_regression_plot

```

```python

# Importar datos de prueba

import pandas as pd

from sklearn.datasets import load_diabetes

data_x, data_y = load_diabetes(return_X_y=True)

data_x = pd.DataFrame(data_x)

data_y = pd.DataFrame(data_y).rename(columns = {0:'Target'})

data = pd.concat([data_x, data_y], axis = 1)

# Aplicar la primera función

data_regression = linear_regression(data = data, X = 1, y = 'Target')

data_regression

# Aplicar la segunda función

linear_regression_plot(data_predictions = data_regression, X = 1, y = 'Target')

```

### **Licencia**

Este proyecto está bajo la Licencia MIT - ver el archivo LICENSE.md para más detalles.

---